本文是前一篇名为“逆转形态：测试双顶/双底形态”的后续文章。 现在我们将会看到另一个著名的逆转形态，称为头肩，比较两种形态的交易效率，并尝试将它们合并成为单一的交易系统。
在这一部分中，我们要扩展交易信号搜索和编辑系统，及介绍自定义指标，和加入程序本地化的可能性。 之前我们已创建了一个搜索信号的基本系统，但它是基于一小组指标和一组简单的搜索规则。
本文通过一个具体的例子提供了机器学习过程的主要阶段的代码和描述。您不需要 Python 或 R 语言知识就能够获得模型。此外，基本的MQL5知识已经足够了- 这正是我的水平。因此，我希望这篇文章能为广大读者提供一个很好的指导，帮助那些对评估机器学习能力感兴趣的人，并在他们的课程中实现这些能力。
本文基于 James Hyerczyk 所著《形态-价格-时间：甘氏理论在交易系统里的运用》一书中的某些理念，旨在探讨以指标和 《EA 交易》;形式进行自动化交易和分析的可能性。本文不敢自称内容详尽，在此我们只是探讨模型 - 甘氏理论的第一部分。
本文介绍在其第一个维度中包含不同类型的数据的动态二维数组的类。以表格的形式存储数据可方便地解决与安排、存储和操作不同类型的绑定信息相关的各种问题。实施表格处理功能性的类的源代码已附于本文。
在本文中，我们将扩展工具箱的功能：我们将添加在特定条件下平仓功能，并将创建控制市价和挂单的表格，且能编辑这些订单。
是否可以在周一交易此交易品种？是否有足够的资金用于开仓？如果止损触发，损失有多大？如何限制挂单数量？交易操作在当前柱上执行还是在前一柱上执行？如果交易机器人无法执行此类验证，则任何交易策略可转为带来损失。本文说明在EA交易中有用的验证示例。
这些来自专业程序员关于方法、技术和辅助工具的一些提示，可令编程变得更轻松。 我们将讨论终端重启（关闭）后如何恢复参数。 所有示例都是来自我的 Cayman 项目的真实工作代码片段。
在本文中, 我将告诉您如何把一个非常著名的策略与神经网络合并以便成功交易。这就是运用人工智能系统实现的 Thomas DeMark 次序策略。仅应用了策略的第一部分, 使用设置和交汇信号。
当开发交易算法时，我们经常遇到这样一个难题：如何确定趋势/盘整从哪里开始和结束?在本文中，我们尝试创建一个通用指标，在其中我们会尝试组合几种不同类型策略的信号。在 EA 交易中，我们将尝试尽可能简化取得交易信号的过程，并将给出一个把几个指标组合为一的实例。
本文研究数学表达式解析和计算的基本原理。 我们基于预建语法树，实现运行于解释器和快速计算模式的递归下降解析器。
图形界面第八部分前面的章节中介绍了静态与下拉日历元件，第二章将集中介绍一个同样复杂的元件 — 树形视图(tree view), 它在每个用于创建图形界面的完整开发库中都会包含。本文中实现的树形视图包含了多种灵活的设置和模式，使得这个控件元件易于调整以满足您的需求。
第七部分的第一章介绍了用于创建三种表格控件的类: 文字标签型表格(CLabelsTable), 编辑框型表格(CTable) 以及绘制型表格(CCanvasTable)。在本文中(第二章)我们将讨论页面(Tabs)控件。
本文介绍了一种基于粒子群算法的快速优化方法。本文还介绍了MQL中的方法实现，它既可以在EA交易内部的单线程模式下使用，也可以作为在本地测试人员代理上运行的附加组件在并行多线程模式下使用。